基于证据理论的车辆组合导航系统的信息融合

由于车载GPS(G lobal Position ing System)接收机的定位精度通常受卫星状况和道路环境的影响,同时DR(Dead Reckon ing)系统的距离和航向传感器随着行驶距离的增加,会产生误差积累,这些误差使传感器的定位轨迹偏离车辆所在的实际位置。为此,在信息融合理论的基础上,利用高精度的电子地图对导航系统提供的车辆位置进行修正,以车辆位置到匹配道路的距离、车辆行驶方向与道路方向的夹角作为评判可信度的证据,提出了基于D-S(Dempster-Shafer)证据推理的信息融合方法。实际跑车实验表明,该地图匹配融合方法能够使车辆导航系统的定位精度达到5 m左右。对于改善低成本的GPS/DR车辆导航系统的性能是个行之有效的方案。     

一种改进的嵌入式导航地图匹配算法

为提高在嵌入式环境中对地图数据的检索速度,提出了一种动态分块算法.该算法根据导航电子地图中的地理特征数量对地图进行动态分块,通过增加地图分块后数据的存储空间,减少检索数据的时间,从而提高算法实时性.在地图分块后,实现一种融合地图拓扑和D-S证据推理方法的地图匹配算法,以提高系统的准确性和稳定性.仿真结果表明,地图动态分块算法能够提高系统实时性,地图匹配算法能够快速、准确地匹配正确道路.     

路径诱导系统中综合地图匹配算法的研究

地图匹配算法对于车辆路径诱导和实时轨迹回放具有重要的应用,为了提供连续、精确和可靠的车辆行驶路段位置,利用定位传感器输出车辆运行位置信息,结合高精度空间道路网络数据,提出新的综合地图匹配算法.该算法不受地理环境的约束,能有效地修正传感器的定位误差,提高车辆定位精度.实际道路测试证明,该算法比现有地图算法更高准确度和实时性,尤其是在十字路口有更好匹配效果.     

D-S证据推理及算法实现

D-S证据理论在多源信息数据融合领域得到广泛应用,针对该理论的实现算法也逐渐为人关注。本文首先简要分析了D-S证据推理的基本理论,然后以一具体示例描述了D-S算法的推理过程,最后基于微软最新推出的.NET平台,利用C#编程语言实现了D-S证据推理算法。     

一种适于车辆导航系统的快速地图匹配算法

在分析影响地图匹配算法实时性、鲁棒性及匹配精度因素的基础上,依据车辆运动的连续性,引入道路网络的分块思想,并利用车辆行驶的位置、方向信息及实际道路网络的拓扑特性,提出一种时间复杂度为O(c)的快速地图匹配算法.对实际跑车数据的仿真结果表明,该算法的匹配正确率不低于95%,单点匹配时间不超过0.01 ms.     

交通数据的地图匹配算法研究

城市智能交通引导系统为用户提供最准确的道路交通信息。在分析地图匹配问题产生原因的基础上,阐述了地图匹配算法解决车辆在地图上位置定位的基本思想和判断依据,设计了交通引导系统中便于实现的地图匹配算法,通过引入行驶方向和驾车轨迹,地图匹配算法改进后提高了车辆定位的准确性。系统实验证明,改进后的地图匹配算法能够很好的完成交通引导系统中车辆位置在地图显示中的定位匹配任务。     

基于模糊神经网络的地图匹配算法

提出了基于模糊神经网络的新的地图匹配算法.该算法综合了数字道路信息和GPS/DR定位信息,提取两个重要参数作为输入变量,即定位点到候选路段的投影距离及定位航向与候选路段方位角差.设计出了四层模糊神经网络及改进的收敛学习规则.实验结果表明所提出的算法能很好地匹配车辆行驶路段位置.     

车辆导航中地图匹配算法的研究

地图匹配是借助GIS电子地图数据库中的高精度道路信息作为分类模板来进行模式识别,根据识别结果计算和显示车辆行驶的正确位置并校正GPS接收数据的定位误差。本文通过比较分析现有的地图匹配算法,从效率、精度、程序设计三方面进行考虑,提出一种新型快速的地图匹配算法。在不降低计算准确性的基础上大大减少了运算复杂度,提高了时间效率,更能够适应实时车辆导航系统的需求。     

基于最小二乘支持向量机和证据理论的交通数据融合

针对基于浮动车辆数据(floating car data,FCD)的城市道路交通信息采集系统存在的问题,提出一种基于最小二乘支持向量机(LS-SVM)和证据理论的数据融合方法,通过融合地感线圈采集的交通流量信息,提高FCD系统交通速度信息采集的准确性.利用LS-SVM回归得到速度-流量关系曲线的临界速度参数,再根据历史数据库用统计方法计算出流量-速度关联规则的可信度矩阵,在得到这些经验知识的基础上,定义了两种证据源的基本概率分配函数.最后,通过D-S证据理论对两种证据源进行数据融合,获得融合后的速度信息.实地跑车实验结果论证了融合算法的有效性和可靠性.     

基于Android移动终端的车辆导航地图匹配算法研究

基于Android移动终端设计了一种基于路网拓扑结构的地图匹配算法,将地图匹配分成定位数据预处理、确定车辆所在路段、确定车辆匹配位置和出错检测等4个相对独立的过程.算法在过滤掉异常定位数据后采用航位推算进行补偿,使用考虑距离和方向两种要素的加权评估模型确定匹配路段,在确定匹配位置时对常用的垂直投影进行改进,得到一种优化方法.结果表明,该算法具有较高的路段识别正确率,优化方法相对于垂直投影法在位置精度上有所提高,地图匹配效果好.     

基于车载GPS定位误差分布规律的地图匹配算法

针对目前车载GPS定位信息地图匹配技术的主要缺陷,即GPS定位点的道路纵向位置修正效果较差,特别是对GPS独立定位的情况而言,修正精度很低,通过分析车载GPS定位误差的特点及其分布规律设计了一种地图匹配算法,重点提高车载GPS定位点在道路纵向的修正精度.采用长春市局部路网的地理信息为基础,采集车载GPS实测数据完成了算法的实证分析.结果表明,所提出的地图匹配算法应用效果理想,尤其是将车载GPS定位点的道路纵向位置修正精度提高了2.5 m以上,从而可满足车载GPS数据用户更高水平的信息需求.     

基于多通道融合和极线约束的道路检测与定位

计算机双目视觉道路检测及定位在实现无人运动平台自主导航中具有重要意义.根据双目摄像机系统模型,提出基于多通道阈值融合的车道线检测方法,融合车道线边缘和色彩信息进行图像阈值分割,采用透视变换和自适应动态滑窗法提取车道线像素,采用最小二乘法拟合道路模型并依据极线约束关系进行定位,投影至SLAM地图中.实验结果表明,算法在光照变化、阴影遮挡等场景中均能精确检测车道线,将车道线信息投影至三维地图可以有效地将车道信息与地图信息进行融合,提高了道路感知能力.      

基于电子收费数据的车辆轨迹匹配

为充分利用ETC门架采集的数据对高速公路运营管理提供支撑,实现车辆轨迹地图匹配,本文结合图论理论,基于车辆ETC门架数据设计Floyd算法还原车辆行驶路径。首先,对路径匹配系统需求进行分析,介绍ETC联网收费系统的组成和功能、讨论ETC门架系统的组成、布局以及工作流程。其次,分析车辆行驶ETC门架数据,提取与研究相关的字段信息并进行数据预处理,从而将门架信息匹配到了实际路网地图上。第三,设计车辆路径匹配的算法,在路径信息不完整的情况下,根据Floyd算法得出的最短路径矩阵,使用matlab运行程序,得到拟合的车辆行驶全程路径。最后,开展多场景下的基于ETC数据的车辆轨迹匹配案例验证。分别按照车辆经过的门架信息数据完整、经过门架信息数据在高速公路互通处缺失、不在互通处缺失、数据大量缺失四种类型的场景下,使用算法得到车辆行驶的完整路径,完成了多场景下车辆轨迹的地图匹配,从而实现后续的车辆完整路径下的计费。     

智能汽车中基于视觉的道路检测与跟踪算法

提出了一个基于视觉的道路环境识别算法．该算法能实时提取图像序列中道路信息，获取车辆在道路上的位置、姿态信息，预测前方道路状况，将道路环境信息反馈给智能汽车用于其控制车辆的主动安全．首先联合摄像机内参构建了道路的三维数学模型，突破了以往一些系统将道路看作一个平面的二维模型的局限，算法利用道路标志线的颜色突变特性有效地提取道路边界，并将扩展卡尔曼滤波器与道路模型结合对道路和车体的状态进行实时跟踪分析，获取实时的道路环境信息．实验证明该算法可在直道和弯道以及标志线间断或标志线周围有干扰的各种道路中稳定地工作，在光影条件不利或前方有车的情形下算法仍具有较高的鲁棒性，能够适应多变的道路环境，提供实时有效的信息数据．     

基于单目视觉的横穿障碍物检测

提出一种基于单目视觉的横穿障碍物检测方法.首先,基于道路平面假设,根据特征点的位置约束以及逆透视投影变换下的性质,提取地面特征点对.其次,采用迭代加权最小二乘法估计自车平移和旋转运动参数.然后,利用估计的运动参数对图像光流进行旋转补偿,并基于道路C 速度空间生成障碍物的候选标记点.最后,对候选标记点进行分组聚类和验证,确定横穿障碍物区域.不同交通场景下的实验结果表明,上述方法能够适用于各种自车运动,有效检测横穿障碍物.